Buchumschlag

An evidence-based methodology for human rights impact assessment (HRIA) in the development of AI data-intensive systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mantelero, Alessandro, Esposito, Maria Samantha
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Fundamental Rights Impact Assessment (FRIA) in the AI Act: Roots, legal obligations and key elements for a model template
von: Mantelero, Alessandro
Veröffentlicht: (2024)

Beyond Data
von: Mantelero, Alessandro
Veröffentlicht: (2022)

Towards a big data regulation based on social and ethical values. The guidelines of the Council of Europe
von: Alessandro Mantelero
Veröffentlicht: (2017)

Measuring the right thing: justifying metrics in AI impact assessments
von: Buijsman, Stefan, et al.
Veröffentlicht: (2025)

HH4AI: A methodological Framework for AI Human Rights impact assessment under the EUAI ACT
von: Ceravolo, Paolo, et al.
Veröffentlicht: (2025)

Landscape of AI safety concerns -- A methodology to support safety assurance for AI-based autonomous systems
von: Schnitzer, Ronald, et al.
Veröffentlicht: (2024)

AI Harmonics: a human-centric and harms severity-adaptive AI risk assessment framework
von: Vei, Sofia, et al.
Veröffentlicht: (2025)

AI Should Be More Human, Not More Complex
von: Esposito, Carlo
Veröffentlicht: (2025)

This human study did not involve human subjects: Validating LLM simulations as behavioral evidence
von: Hullman, Jessica, et al.
Veröffentlicht: (2026)

Beyond human subjectivity and error: a novel AI grading system
von: Gobrecht, Alexandra, et al.
Veröffentlicht: (2024)

A survey on the impacts of recommender systems on users, items, and human-AI ecosystems
von: Pappalardo, Luca, et al.
Veröffentlicht: (2024)

How will advanced AI systems impact democracy?
von: Summerfield, Christopher, et al.
Veröffentlicht: (2024)

The ecosystem of machine learning competitions: Platforms, participants, and their impact on AI development
von: Nasios, Ioannis
Veröffentlicht: (2026)

Pre-training LLMs using human-like development data corpus
von: Bhardwaj, Khushi, et al.
Veröffentlicht: (2023)

Multi-agent AI systems outperform human teams in creativity
von: Hu, Tiancheng, et al.
Veröffentlicht: (2026)

A word association network methodology for evaluating implicit biases in LLMs compared to humans
von: Abramski, Katherine, et al.
Veröffentlicht: (2025)

Bidirectional human-AI collaboration in brain tumour assessments improves both expert human and AI agent performance
von: Ruffle, James K, et al.
Veröffentlicht: (2025)

The implicated scientist: on the role of AI researchers in the development of weapons systems
von: Volokhova, Alexandra, et al.
Veröffentlicht: (2026)

Why do AI agents communicate in human language?
von: Zhou, Pengcheng, et al.
Veröffentlicht: (2025)

Hierarchical knowledge guided fault intensity diagnosis of complex industrial systems
von: Sha, Yu, et al.
Veröffentlicht: (2025)

Agentic AI platforms for autonomous training and rule induction of human-human and virus-human protein-protein interactions
von: Do, Hung N., et al.
Veröffentlicht: (2026)

Processing of synthetic data in AI development for healthcare and the definition of personal data in EU law
von: Vallevik, Vibeke Binz, et al.
Veröffentlicht: (2025)

Towards interactive evaluations for interaction harms in human-AI systems
von: Ibrahim, Lujain, et al.
Veröffentlicht: (2024)

Investigating the performance of Retrieval-Augmented Generation and fine-tuning for the development of AI-driven knowledge-based systems
von: Lakatos, Robert, et al.
Veröffentlicht: (2024)

How can we assess human-agent interactions? Case studies in software agent design
von: Chen, Valerie, et al.
Veröffentlicht: (2025)

AI sustains higher strategic tension than humans in chess
von: Cerioli, Adamo, et al.
Veröffentlicht: (2025)

Re-assessing the evidence for mental rotation abilities in children using computational models
von: Aubret, Arthur, et al.
Veröffentlicht: (2025)

Behavioural gap assessment of human-vehicle interaction in real and virtual reality-based scenarios in autonomous driving
von: Serrano, Sergio. Martín, et al.
Veröffentlicht: (2024)

Level of agreement between emotions generated by Artificial Intelligence and human evaluation: a methodological proposal
von: Carrasco, Miguel, et al.
Veröffentlicht: (2024)

The METRIC-framework for assessing data quality for trustworthy AI in medicine: a systematic review
von: Schwabe, Daniel, et al.
Veröffentlicht: (2024)

Contextual bandits with entropy-based human feedback
von: Seraj, Raihan, et al.
Veröffentlicht: (2025)

Temperature-scaling surprisal estimates improve fit to human reading times -- but does it do so for the "right reasons"?
von: Liu, Tong, et al.
Veröffentlicht: (2023)

The erasure of intensive livestock farming in text-to-image generative AI
von: Sheng, Kehan, et al.
Veröffentlicht: (2025)

Measuring the environmental impact of delivering AI at Google Scale
von: Elsworth, Cooper, et al.
Veröffentlicht: (2025)

From DDMs to DNNs: Using process data and models of decision-making to improve human-AI interactions
von: Gopnarayan, Mrugsen Nagsen, et al.
Veröffentlicht: (2023)

Is AI currently capable of identifying wild oysters? A comparison of human annotators against the AI model, ODYSSEE
von: Campbell, Brendan, et al.
Veröffentlicht: (2025)

Ensemble Monitoring for AI Control: Diverse Signals Outweigh More Compute
von: Koran, Eugene, et al.
Veröffentlicht: (2026)

Can AI and humans genuinely communicate?
von: Bonard, Constant
Veröffentlicht: (2024)

Language modelling techniques for analysing the impact of human genetic variation
von: Hegde, Megha, et al.
Veröffentlicht: (2025)

I must delete the evidence: AI Agents Explicitly Cover up Fraud and Violent Crime
von: Rivasseau, Thomas
Veröffentlicht: (2026)